Python para engenharia/ciências

Neste curso iremos abordar os conceitos iniciais de programação com a linguagem Python. A abordagem de aprendizado será feita de forma dinâmica e rápida visando o aprendizado sólido e eficiente. As aulas em sua maior parte serão realizadas com a distribuição da anaconda utilizando a plataforma Jupyter Notebook (ou Google Colab).

O curso terá uma abordagem extremamente prática focando em situações reais. Na parte final do curso, iremos utilizar a IDLE do PyCharm para trabalhar com programação orientada a objetos. Serão distribuídas ao longo de módulo/seção listas de exercícios para o estudante resolver.

O curso tem os seguintes módulos/capítulos:

1. Introdução à computação e ao Python;

2. Lógica de programação e variáveis;

3. Estruturas condicionais;

4. Básico de strings;

5. Estruturas de repetição;

6. Listas;

7. Tuplas;

8. Dicionários;

9. Funções;

10. Módulos;

11. POO;

12. Análise de dados;

13. Flask;

14. Otimização;

15. Tópicos extras.

Na parte final do curso, iremos utilizar a IDLE do PyCharm para trabalhar com programação orientada a objetos. Serão distribuídas ao longo de módulo/seção listas de exercícios para o estudante resolver. Todo material do curso estará disponibilizado na plataforma do GitHub para download.

Após as etapas iniciais iremos trabalhar com análise de dados, aprendizado de máquina, desenvolvimento web, otimização. Essas focadas em situações reais. O estudante sairá do curso com uma ótima base em uma linguagem de programação orientada a objetos e com toda capacidade de dar passos firmas na caminhada da computação.

Na parte de ciência de dados e machine learning serão abordadas as bibliotecas Numpy, Pandas, Matplotlib, Seaborn, Scypi, Sklearn. e muito mais. Além disso, vamos realizar projetos de regressão, classificação e agrupamento.

Após o final do curso o aluno poderá:

• Entender a lógica de programação;

• Aplicar a lógica de programação no dia a dia;

• Criar algoritmos;

• Programar com funções;

• Programar orientado a objetos;

• Realizar análises de dados;

• Realizar gráficos de alta qualidade;

• Compreender os conceitos de inteligência artificial;

• Realizar predições;

• Realizar classificações;

• Realizar agrupamentos;

• Compreender os conceitos de otimização;

• Resolver problemas de otimização;

• Desenvolver uma aplicação web com flask;

• Desenvolver automações;

• Aplicar conceitos estatísticos em uma grande massa de dados;

• Entender o que é um série temporal;

• Analisar séries temporais.